專題：聚焦美股2024年第四季度財報

查看最新行情

　　亞馬遜發佈了2024財年第四季度及全年財報：第四季度淨銷售額爲1877.92億美元，同比增長10%，不計入匯率變動的影響爲同比增長11%；淨利潤爲200.04億美元，同比大幅增長88%。

　　詳見：亞馬遜第四季度營收1877.92億美元 淨利潤同比大增88%

　　財報發佈後，亞馬遜CEO安迪·賈西（Andy Jassy）、CFO布萊恩·奧薩維斯基（Brian Olsavsky）和投資者關係主管戴夫·菲爾德斯（Dave Fildes）回答了投資者提問。以下是電話會議實錄：

　　Evercore分析師Mark Mahaney：布萊恩，我們是否可以認爲公司2025年的資本支出將達到1000億美元？安迪，能否說明一下，目前AWS雲服務業務的增長是否因供應不足而有所放緩？你認爲這是整個行業普遍存在的情況，對AWS業務目前是否有重大影響？

　　安迪·賈西：我來回答這兩個問題。關於資本支出，正如布萊恩之前提到的，我們四季度的資本支出爲263億美元，我認爲這大致可以代表2025年的年化資本支出水平。公司資本支出的絕大部分將用於AWS業務在人工智能領域投資。我們可以這樣理解AWS的業務模式和資金週轉方式：增長速度越快，我們最終投入的資本支出就越多，因爲我們必須在實現盈利之前，提前採購數據中心、硬件、芯片和網絡設備，而只有看到明顯的需求信號，我們纔會進行採購。當前我們在AWS上擴大資本支出，就是因爲出現了像人工智能這樣難得的商業機遇。

　　從中長期來看，我認爲這將推動AWS業務的增長，我認爲通過投入資金來把握這個機遇是值得的。我們認爲如今幾乎所有已知的應用程序都將通過融入人工智能進行重塑，推理將成爲像計算、存儲和數據庫一樣的核心功能。那些我們曾經只敢想象的全新體驗，憑藉人工智能都將成爲現實，這無疑是自雲計算以來最大的機遇，或許也是自互聯網以來商業領域最大的技術變革和機遇。所以，我認爲從中長期來看，我們的業務、客戶和股東都會對我們能夠把握人工智能領域的資本機遇和商業機遇感到滿意。

　　我們今年在實體零售業務方面也有資本支出方面的投入，目的是繼續提高配送速度並降低服務成本，亞馬遜將增加當日達設施的數量，在鄉村地區增加配送站的數量，更快地將商品送到當地居民手中。同時，我們在機器人技術和自動化方面也有一筆相當可觀的投資，以便降低服務成本並持續提高生產效率。

　　關於AWS業務增長，以及是否受到部件供應不足影響的問題，我認爲該業務年營收已達數十億美元，而且人工智能業務也實現了三位數的同比增長，所以我們很難去抱怨什麼，但的確，如果沒有你提到的一些產能限制，我們本可以增長得更快。

　　相關的供應不足主要體現在以下幾個方面：一是第三方合作伙伴的芯片供應速度比以前慢了一些，這中間涉及許多中游環節的變動，要讓硬件達到我們期望的健康良品率和高質量服務水平，還需要一些時間；我們自己的新硬件和第二代Tranium芯片剛剛在Re:Invent大會上全面推出，但要在接下來的幾個月或者幾個季度才能實現量產。電力限制也是一個因素，我認爲全球電力供應仍然有限，如果沒有這些限制，我們肯定能爲客戶提供更多服務。另外就是供應鏈中的一些組件供應不足，比如主板，對於各類服務器來說供應也略顯緊張。我認爲我們的團隊在調配資源、爲客戶提供產能以支持其發展方面做得非常出色。

　　正如我之前提到的，我們目前的增長速度仍然相當可觀，我預計供應不足的問題會在2025年下半年會開始緩解。而就像我剛纔所說的，儘管我們現在的增長速度已經處於不錯的水平，但如果沒有這些限制，我們可以增長得更快。

　　高盛分析師Eric Sheridan：安迪，考慮到過去幾周關於中國人工智能產業發展的消息，以及從長遠角度看待利用人工智能降低成本曲線的問題，管理層如何審視亞馬遜在行業中的位置？關於定製芯片在開源方向發展的趨勢，管理層認爲如何降低成本，如何加快產品推向市場的速度或擴大規模，以及如何提高人工智能的資本回報率？

　　安迪·賈西：你的問題包含了幾個部分。首先，和很多人一樣，我們對DeepSeek所取得的成就印象深刻。我覺得部分原因在於其所採取的一些訓練技術，主要是在強化訓練的順序上有所創新，在無人工干預的情況下提前進行強化學習，很有意思的一點是，這些情況能夠出現在人工調整之前。DeepSeek所做的一些推理優化，對於像亞馬遜這樣構建前沿模型的公司來說也相當有趣，我們都在做類似的事情，並且相互學習，我們已經看到，並且會繼續目睹我們之間非常多的相互超越的情況，未來還有很多創新空間。

　　對於AWS業務的運營，讓我們堅信幾乎所有大型生成式人工智能應用都將使用多模態技術，而且客戶會針對不同類型的工作負載使用不同的人工智能模型，我們需要儘可能提供更多領先的前沿模型供客戶選擇，這就是我們通過亞馬遜基岩（Amazon Bedrock）服務所做的事情，包括迅速地將DeepSeek的技術融入Bedrock和SageMaker（亞馬遜雲科技機器學習平臺），讓客戶更快地使用上這些新技術，而且已經有客戶開始測試使用DeepSeek。

　　我認爲由於過去幾周裏所出現的這些消息而產生的一個有意思的假設是，如果我們能夠降低任何一種技術組件的成本，這裏特指推理成本，那麼就會造成技術方面總支出減少。但我們認爲從未出現過此類情況，2006年我們推出AWS時也是如此，當時我們提供的S3對象存儲每千兆字節的價格是15美分，計算資源每小時10美分——當然現在的價格低多了——但當時很多人抱有多年之後企業在基礎設施技術方面的支出會大幅減少的想法。而實際情況是，雖然企業在提供給客戶的單位基礎設施上的費用大幅降低，但隨後他們會在投入資本來降低其他成本方面躍躍欲試，進而推動行業在技術上的總支出大幅增加。

　　我認爲人工智能領域的情況也是類似的，顯然，DeepSeek的消息會推動推理成本的顯著降低，但所有企業也都在持續努力，目的是讓客戶能夠更容易地在其所有應用程序中融入推理和生成式人工智能，亞馬遜也希望客戶能輕鬆地實現使用人工智能技術的目的，基於我們的各類基礎設施服務構建和改善客戶體驗，推理成本的下降對客戶和我們的業務都將非常有利。

　　摩根大通分析師Doug Anmuth：布萊恩，過去兩年AWS利潤率在25%到30%多一點之間波動，能否請你談談如何看待利潤率迴歸常態，尤其是在公司對生成式人工智能投入大幅增加的情況下出現的這種迴歸？還有一個關於實體零售業務的問題，聯合包裹服務（UPS）作爲亞馬遜的運輸合作伙伴，其運輸的貨物量在未來減少的情況下對於業務會有什麼影響？公司能否應對所需的運量增加？

　　布萊恩·奧薩維斯基：AWS業務的運營利潤率波動很大，不過管理層也一直以來都在重申，利潤率肯定會隨着時間推移而起伏不定。我們仍處於人工智能技術發展的早期，該業務在這個階段的利潤率會比較低，且投資負擔重，所以短期內，會對利潤率形成不利影響，但從長期來看，我們認爲其利潤率水平也會與非人工智能業務相當。我們對AWS的強勁增長感到非常滿意，並且專注於提升所有數據中心的效率，比如在新的生成式人工智能應用中節約電力、重複利用電力，總體上降低成本。我們對AWS團隊的表現非常滿意，也期待2025年業績強勁。

　　安迪·賈西：我來回答關於UPS的問題。UPS多年來一直是我們的合作伙伴，預計未來多年仍會繼續這一夥伴關係。不過如你所知，在過去幾年裏，尤其是受疫情影響，我們通過自有物流網絡、自有最後一公里運輸網絡配送的貨物比例大幅提高。部分原因是在疫情期間，所有業務都被迫關停，而我們需要快速擴大規模，服務和增加更多零售市場份額，並且必須以低成本模式運營，滿足客戶所期待的低價，這是我們行業本質使然。UPS認爲服務亞馬遜對他們來說利潤率較低，所以放棄了一些原本在合作中可以承接的貨量。不過我們有能力依靠自有物流來處理這些運輸量，未來情況如何發展，我們拭目以待。

　　摩根士丹利分析師Brian Nowak：安迪，能否深入談一下你所提到的，關於機器人技術加速應用方面的情況？公司從路易斯安那州什裏夫波特（Shreveport）物流中心項目獲得了哪些經驗，有沒有新的數據或信息可以分享？我們該如何拓展通過機器人技術降低成本的經驗，並應用到其他業務，以及何時能看到其對盈利能力產生切實影響？另外，從更宏觀的角度看，基於生成式人工智能和圖形處理器（GPU）帶來的變革和更廣泛運用，你認爲亞馬遜零售購物體驗在2025年還會有哪些其他變化？

　　安迪·賈西：關於機器人技術的問題，我可以告訴你，在過去幾年裏，我們一直在大規模地將機器人技術融入到我們的物流履約網絡中，已經看到了成本節約、生產力提升以及安全性改善等方面的成果，我們從機器人技術創新中獲得了巨大價值。最近我們注意到，我想你提到的什裏夫波特項目可能部分涉及到這一點，新一批機器人項目也已經開始投入生產，並且我們首次在什裏夫波特的設施中將它們整合爲一套完整的應用體驗。什裏夫波特項目的成果令我們感到非常鼓舞，包括處理配送速度提升、生產力提高以及服務成本的降低。

　　目前該技術的應用仍處於相對早期階段，前面提到的整合工作目前僅在什裏夫波特進行，但我們已經開始計劃將其推廣到另外大約六個中心，其中一些是我們的新設施，另一些則是對現有設施進行改造，讓它們同步用上機器人技術的創新成果。可以告訴大家的是，此次拓展遠不是終點，我們現在已經開始着手下一波計劃，但我認爲這將是一個持續多年的工作，因爲我們需要不斷優化履約網絡中可以使用機器人技術的各個環節，以達到提高物流能力、降低服務成本和提升安全性的目的。實際上，我們認爲幾乎沒有什麼環節不能通過機器人技術來改善體驗。

　　關於你的另一個問題，我覺得你是想了解我們在除AWS之外的業務領域，特別是零售業務中如何運用人工智能。目前無論是亞馬遜內部還是其他使用AWS的公司，從宏觀角度看，人們主要通過兩種方式從人工智能中獲取價值。第一種方式主要圍繞生產力提升和成本節約，從很大程度上講，這些是應用人工智能技術最容易獲得的效果，可以說是唾手可得，並且在各個行業普遍存在。

　　例如在亞馬遜零售業務的客戶服務方面，我們用生成式人工智能對聊天機器人進行了全面重構。它原本的客戶滿意度就相當高，而融入生成式人工智能後，客戶滿意度又提高了5個百分點。另外就是幫助我們數以百萬計的第三方賣家，解決了他們一個最大的痛點。具體說就是我們非常重視網上購物商品陳列的條理，目的是方便顧客輕鬆找到商品，所以在創建新的產品詳情頁時，賣家需要填寫大量不同的字段，而通過我們爲商家開發的一款生成式人工智能應用，賣家只需填寫幾行文字，或者上傳一張圖片，又或者指向一個網址，這款應用就能幫他們填寫其餘大部分所需信息，讓賣家在網站上發佈商品變得更加容易。再就是我們的庫存管理，通過生成式人工智能應用，我們可以瞭解在何時以及哪個物流設施中需要補充哪些庫存，令我們的預測準確率提高了10%，區域預測準確率提高了20%。

　　前面提到的物流機器人，其“大腦”中也都融入了生成式人工智能技術，幫助它們判斷機器人觸手該從箱子裏抓取什麼物品，如何移動，以及放在另一個箱子的什麼位置，我們大多數機器人的核心部分都運用了生成式人工智能。在零售業務中，我們有許多旨在提升生產力和節約成本的重要舉措，都在使用生成式人工智能，而這只是我們所開展的相關工作的一小部分。

　　另一個大的方面是生成式人工智能所帶來全新體驗。在我們的零售業務中，這類例子也比比皆是，從我們的人工智能購物助手Rufus，其用戶數量持續大幅增長，到像Lens存儲統計管理工具這樣的應用，用戶可以對着面前的商品拍照，Lens就能利用計算機視覺和生成式人工智能在搜索結果中找到完全一樣的商品。還有尺碼推薦功能，我們整合了不同服裝製造商的產品目錄，進行一一對比，這樣就能知道哪些品牌的尺碼相對偏大或偏小，例如，當你想買一雙鞋時，它就能推薦你所需的尺碼。甚至在《週四橄欖球之夜》節目中，我們也在使用生成式人工智能，推出一些很有創意的功能，比如“防守警報”可以預測哪個球員會擒抱四分衛，或者“防守漏洞提示”，讓觀衆看到球場上哪個區域防守較爲薄弱。我們在零售業務以及其他各項業務中都在廣泛應用生成式人工智能，目前，我們已經開發或正在開發的生成式人工智能應用大約有1000個。

　　（持續更新中。。。）

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：劉明亮